It has been long that literature in finance focuses mainly on price and return but much less on trading volume, even completely ignoring it. There is no information on supply-demand quantity and trading volume in neoclassical finance models. Contrary to one of the clearest predictions of rational models of investment in a neoclassical paradigm, however, trading volume is very high on the world’s stock market. Here we extend Shi’s price-volume differential equation, propose a notion of trading conditioning, and measure the intensity of market crowd trading conditioning by accumulative trading volume probability in the wave equation in terms of classical and operant conditioning in behavior analysis. Then, we develop three kinds of market crowd trading behavior models according to the equation, and test them using high frequency data in China stock market. It is hardly surprising that we find: 1) market crowd behave coherence in interaction widely and reach agreement on a stationary equilibrium price between momentum and reversal traders; 2) market crowd adapt to stationary equilibrium price by volume probability increase or decrease in interaction between market crowd and environment (or information and events) in an open feedback loop, and keep coherence by conversion between the two types of traders when it jumps and results in an expected return from time to time, the outcome of prior trading action; 3) while significant herd and disposition “anomalies” disappear simultaneously by learning experience in a certain circumstance, other behavioral “anomalies”, for examples, greed and panic, pronounce significantly in decision making. Specifically, a contingency of return reinforcement and punishment, which includes a variety of internal and external causes, produces excessive trading volume. The behavioral annotation on the volume probability suggests key links and the new methods of mathematical finance for quantitative behavioral finance.长期以来，金融的学术文献主要关注价格和回报率，很少考虑甚至完全忽视了交易量。新经典金融模型就没有供需量和交易量的信息。然而，与新经典框架理性投资模型的预计结果不同，交易量在世界的股票市场上是非常大的。我们基于Shi的价-量微分方程，根据行为分析中的经典性和操作性条件反射，提出了交易性条件反射的概念，并且用该方程中的累计交易量概率来计量市场群体交易性条件反射的强度。由该方程，我们得到三种市场群体的交易行为模型，并且用我国股市的高频数据进行实证分析。不难发现：1）市场群体在相互作用的过程中普遍地表现出相互一致的行为特征，趋势和反转交易者之间存在着一个大家都能够接受的稳态均衡价格；2）交易行为有时会导致稳态均衡价格出现跳跃、带来预期收益率，这时，市场群体在开放的反馈环中，通过与环境（或信息和事件）之间的相互作用，由成交量概率的增加或减少来适应该均衡价格的变化，趋势和反转交易者也会通过相互转换保持市场群体行为的相互一致性； 3）尽管在某特定环境下市场群体通过学习实践，羊群和处置行为同时消失了，但是其他行为“异象”，例如贪婪与恐慌，在决策中却表现的十分显著。特别地，收益率强化和惩罚过程，其中包含各种内外因素，导致过度交易量。累计交易量概率的行为诠释为计量行为金融学提供了关键性的纽带作用和数学金融的新方法。

本文从股权结构角度研究第一大股东持股比例、第一大股东性质、股权制衡对 投资的影响，以投资现金流敏感度为切入点，将股权结构变量纳入投资模型进行研究，通过 实证研究得出在第一大股东控股的情况下上市公司投资对现金流敏感的原因是投资过度，在 具有股权制衡结构的公司中，其他股东持股比例能起到监督作用。

在复杂系统理论的基础上，经过五年的金融市场（股市和期市）实践，已经找到了追随金融市场价格波动的非线性特别动力因子。通过有效的数据挖掘从而实现基于数据的知识发现，具有信息不对称情况下的信息黑箱可视化意义。本模型是运用鞅方法与不动点理论，对金融市场交易进行非线性动态规划，建立自适应控制数理模型，遵循反向与惯性行为交易策略，随机逼近股票、期货价格波动的最低、最高点，最优化建仓、出货时机，实现学习进化争当少数人获胜博弈。 长沙非线性特别动力工作室 主页：http://solitonfund.blogchinese.com Email:majl@gig.ac.cn 电话：(0731)4317777-8019 联系人：马金龙 地址：长沙市芙蓉中路海东青大厦（425室）

基于理性投资者、有效市场和随机游走的主流金融投资模式，在金融市场价格随机波动过程中，许多非线性动力问题均隐藏于所设的系数和假设之中，从而导致对市场价格波动的现实视而不见，无法获取波动中的潜在收益。而现实的严酷挑战是：市场博弈中总是少数人获胜。在复杂系统科学体系理论基础上，应用非线性动力学对金融市场异常现象进行了不懈的探索，认为价格涨落的物理本质是，在某一区域的构成介质（市场参与者）发生失稳，并伴随有应变能的加速释放（价格波动、暴涨、暴跌）；提出有限尺度布朗运动的概念，从而发现相应尺度的有偏随机游走的趋势（上鞅或下鞅）；找到了追随价格波动的非线性算子――非线性特别动力因子，从定量的层面上揭示金融市场中非线性作用引起的惊人的有序性；建立了金融市场价格波动投资模型。

在复杂系统理论的基础上，经过五年的金融市场（股市和期市）实践，已经找到了追随金融市场价格波动的非线性特别动力因子。通过有效的数据挖掘从而实现基于数据的知识发现，具有信息不对称情况下的信息黑箱可视化意义。本模型是运用鞅方法与不动点理论，对金融市场交易进行非线性动态规划，建立自适应控制数理模型，遵循反向与惯性行为交易策略，随机逼近股票、期货价格波动的最低、最高点，最优化建仓、出货时机，实现学习进化争当少数人获胜博弈。